Logique
Ce cours vise à familiariser les étudiants aux fondements de l’intelligence Artificielle (IA) et aux systèmes à base de connaissances. De par ce cours, l’étudiant sera capable de :
– Connaître les possibilités qu’offrent les techniques utilisées en IA.
– Savoir choisir et appliquer certaines approches IA et systèmes à base de connaissances en fonction du problème à résoudre.
Chapitre 1 (6h)
Il s’agit essentiellement d’introduire à l’étudiant les paradigmes fondamentaux de l’IA à travers certains éléments : un historique, la présentation du Test de Turing, des définitions et des objectifs de l’IA selon ses origines et courants. Le présent chapitre se termine par une brève présentation de certains domaines d’application de l’IA à travers des exemples tirés de la littérature scientifique.
Chapitre 2 (6h) :
Apprentissage machine et raisonnement. Il est question dans ce chapitre d’amener les étudiants à comprendre les principes de base qui conçoivent et modélisent le raisonnement, l’apprentissage, l’acquisition de la connaissance au sens IA.
Chapitre 3 (10h) :
Modes de représentation des connaissances Ce chapitre a pour objectif d’instrumenter les étudiants au plan du choix des méthodes et outils pour la représentation et le traitement des connaissances. Il passe en revue les approches de spécification, de conception et de codage de la connaissance en identifiant leurs principaux contextes d’application et les résultats attendus de chaque type d’approche. Certaines notions seront présentées, tels que, la logique, les règles de production, les réseaux sémantiques, les objets, les frames et les scripts.
Chapitre 4 (8h)
Introduction à certaines techniques de l’IA : Réseaux de neurones spécialisés (cellulaires, à bases radiales, à délais); réseaux bayésiens; chaînes de Markov cachées; systèmes à logique floue; systèmes neuro-flous; algorithmes génétiques; apprentissage symbolique, induction d’arborescence de décision et de règles. Utilisation pour l’extraction de la connaissance et la fouille de données. Des exemples d’applications seront présentés en reconnaissance vocale, traitement de la langue, régression non linéaire et en classification/catégorisation.
Consultez les ressources disponibles concernant ce module sur le moteur de recherche de la bibliothèque, ou accédez directement au cours de vos enseignants via la plateforme de téléenseignement de l’école « e-learn ».